論文の概要: Tensor Pooling Driven Instance Segmentation Framework for Baggage Threat Recognition

• arxiv url: http://arxiv.org/abs/2108.09603v1
• Date: Sun, 22 Aug 2021 00:04:58 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-25 05:31:52.328720
• Title: Tensor Pooling Driven Instance Segmentation Framework for Baggage Threat Recognition
• Title（参考訳）: バッグ脅威認識のためのテンソルプール駆動型インスタンス分割フレームワーク
• Authors: Taimur Hassan and Samet Akcay and Mohammed Bennamoun and Salman Khan and Naoufel Werghi
• Abstract要約: バッグX線スキャンにおける乱雑なコントラバンドデータを識別するためのマルチスケール・コントラル・インスタンス・セグメンテーション・フレームワークを提案する。 提案されたフレームワークは、GDXray、SIXray、OPIXrayと呼ばれる3つの公開データセットで厳格に検証されている。 我々の知る限りでは、マルチスケール情報を活用する最初の輪郭インスタンスセグメンテーションフレームワークであり、乱れや隠蔽されたコントラバンドデータを認識する。
• 参考スコア（独自算出の注目度）: 39.40595024569702
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automated systems designed for screening contraband items from the X-ray imagery are still facing difficulties with high clutter, concealment, and extreme occlusion. In this paper, we addressed this challenge using a novel multi-scale contour instance segmentation framework that effectively identifies the cluttered contraband data within the baggage X-ray scans. Unlike standard models that employ region-based or keypoint-based techniques to generate multiple boxes around objects, we propose to derive proposals according to the hierarchy of the regions defined by the contours. The proposed framework is rigorously validated on three public datasets, dubbed GDXray, SIXray, and OPIXray, where it outperforms the state-of-the-art methods by achieving the mean average precision score of 0.9779, 0.9614, and 0.8396, respectively. Furthermore, to the best of our knowledge, this is the first contour instance segmentation framework that leverages multi-scale information to recognize cluttered and concealed contraband data from the colored and grayscale security X-ray imagery.
• Abstract（参考訳）: X線画像からコントラバンドアイテムをスクリーニングするために設計された自動システムは、いまだに散らかり、隠蔽、極度の閉塞によって困難に直面している。 本稿では,手荷物X線スキャンにおける乱雑なコントラバンドデータを効果的に識別する,新しいマルチスケール輪郭インスタンスセグメンテーションフレームワークを用いて,この問題に対処する。 オブジェクトを囲む複数のボックスを生成するために、領域ベースまたはキーポイントベースの技術を用いる標準モデルとは異なり、輪郭によって定義される領域の階層構造に従って提案を導出する。 提案フレームワークはGDXray, SIXray, OPIXrayという3つの公開データセットで厳格に検証され, 平均精度スコア0.9779, 0.9614, 0.8396をそれぞれ達成して最先端の手法より優れている。 さらに、私たちの知る限りでは、マルチスケール情報を利用して色とグレースケールのセキュリティX線画像から乱れや隠蔽されたコントラバンドデータを認識する最初の輪郭インスタンスセグメンテーションフレームワークである。

関連論文リスト

• Temporal Action Localization with Enhanced Instant Discriminability [66.76095239972094]
  時間的行動検出(TAD)は、すべての行動境界とその対応するカテゴリを、トリミングされていないビデオで検出することを目的としている。 本稿では,既存の手法による動作境界の不正確な予測を解決するために,TriDetという一段階のフレームワークを提案する。 実験結果から,複数のTADデータセット上でのTriDetの堅牢性と最先端性能が示された。
  論文  参考訳（メタデータ） (2023-09-11T16:17:50Z)
• Diffusion-Based Hierarchical Multi-Label Object Detection to Analyze Panoramic Dental X-rays [1.2239764810898268]
  歯列の列挙と関連する診断を同時に行うことで,問題のある歯を識別するエンド・ツー・エンド・エンド・モデルを開発した。 これら3つの階層を共同で学習するために,拡散に基づく新しい階層型多ラベルオブジェクト検出フレームワークを導入する。 実験結果から,本手法は最先端の物体検出法よりも優れていた。
  論文  参考訳（メタデータ） (2023-03-11T21:31:54Z)
• Towards Real-World Prohibited Item Detection: A Large-Scale X-ray Benchmark [53.9819155669618]
  本稿では,PIDrayと命名された大規模データセットについて述べる。 大量の努力を払って、私たちのデータセットには、高品質な注釈付きセグメンテーションマスクとバウンディングボックスを備えた47,677ドルのX線画像に、禁止アイテムの12ドルカテゴリが含まれています。 提案手法は最先端の手法に対して,特に故意に隠された項目を検出するために好適に機能する。
  論文  参考訳（メタデータ） (2021-08-16T11:14:16Z)
• Unsupervised Anomaly Instance Segmentation for Baggage Threat Recognition [39.40595024569702]
  本稿では,X線スキャンにおける手荷物の脅威を,根拠となる真理ラベルを必要とせず,異常として認識する,新しい教師なしの異常なインスタンスセグメンテーションフレームワークを提案する。 そのスタイリング能力のおかげで、フレームワークは一度だけ訓練され、推論段階では、スキャナーの仕様にかかわらず、反バンドアイテムを検出して抽出する。 提案した4つの公共荷物X線データセットの徹底的な評価は、再学習なしに、競争性能を達成できることを実証している。
  論文  参考訳（メタデータ） (2021-07-15T13:56:55Z)
• Cross-Modal Contrastive Learning for Abnormality Classification and Localization in Chest X-rays with Radiomics using a Feedback Loop [63.81818077092879]
  医療画像のためのエンドツーエンドのセミスーパーバイスドクロスモーダルコントラスト学習フレームワークを提案する。 まず、胸部X線を分類し、画像特徴を生成するために画像エンコーダを適用する。 放射能の特徴は別の専用エンコーダを通過し、同じ胸部x線から生成された画像の特徴の正のサンプルとして機能する。
  論文  参考訳（メタデータ） (2021-04-11T09:16:29Z)
• Trainable Structure Tensors for Autonomous Baggage Threat Detection Under Extreme Occlusion [45.39173572825739]
  本稿では、トレーニング可能な構造テンソルを用いて、隠蔽・散布されたコントラバンドアイテムの輪郭をハイライトする新しいインスタンスセグメンテーションフレームワークを提案する。 4種類のX線スキャナーから得られたグレースケールとカラースキャンの組み合わせで検証された唯一のフレームワークである。
  論文  参考訳（メタデータ） (2020-09-28T09:12:10Z)
• Weakly-Supervised Segmentation for Disease Localization in Chest X-Ray Images [0.0]
  医用胸部X線画像のセマンティックセグメンテーションに対する新しいアプローチを提案する。 本手法は肺と胸壁の間の異常な空気量を検出するための胸部X線検査に適用可能である。
  論文  参考訳（メタデータ） (2020-07-01T20:48:35Z)
• Occluded Prohibited Items Detection: an X-ray Security Inspection Benchmark and De-occlusion Attention Module [50.75589128518707]
  我々はOPIXrayというセキュリティ検査のための最初の高品質なオブジェクト検出データセットをコントリビュートする。 OPIXrayは、空港のプロの検査官が手動で注記した「カッター」に焦点をあてた。 本稿では,プラグイン・アンド・プレイモジュールであるデオクルージョン・アテンション・モジュール(DOAM)を提案する。
  論文  参考訳（メタデータ） (2020-04-18T16:10:55Z)
• Cascaded Structure Tensor Framework for Robust Identification of Heavily Occluded Baggage Items from X-ray Scans [45.39173572825739]
  本稿では, 密閉・散在した荷物から疑わしいアイテムを自動的に抽出し, 認識することのできるケースケード構造テンソルフレームワークを提案する。 提案フレームワークは,GDXrayおよびSIXrayデータセットから1067,381個のX線スキャンを用いて,厳密に評価されている。
  論文  参考訳（メタデータ） (2020-04-14T20:00:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。